CN110837622A - 基于大倍率放电的锂电池荷电状态估算方法 - Google Patents
基于大倍率放电的锂电池荷电状态估算方法 Download PDFInfo
- Publication number
- CN110837622A CN110837622A CN201911174611.7A CN201911174611A CN110837622A CN 110837622 A CN110837622 A CN 110837622A CN 201911174611 A CN201911174611 A CN 201911174611A CN 110837622 A CN110837622 A CN 110837622A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- state
- energy storage
- battery
- charge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 71
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004146 energy storage Methods 0.000 claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007784 solid electrolyte Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明公开了一种基于大倍率放电的锂电池荷电状态估算方法,包括构建储能锂电池的电路等效模型;采用递推最小二乘法实时更新电路等效模型的参数;建立储能锂电池的状态方程和观测方程;采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算。本发明提供的这种基于大倍率放电的锂电池荷电状态估算方法,旨在建立一种通过递归最小二乘法可进行参数实时更新的储能电池等效电路模型,结合二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行精确估算;本发明方法能够在大倍率放电情况下精确对锂电池的荷电状态进行估算,而且科学合理、可靠性高。
Description
技术领域
本发明属于电池领域,具体涉及一种基于大倍率放电的锂电池荷电状态估算方法。
背景技术
随着经济技术的发展,电能已经成为了人们生产和生活中必不可少的二次能源,给人们的生产和生活带来了无尽的便利。
锂离子电池具有安全性好、寿命长、功率密度高等优点,是储能系统的优良选择。在实际工程应用中,为满足储能系统在电压、电流和功率等方面的需求,往往需要大量的单体电池串并联组合使用。因此,为了能够实时掌握单体电池和电池组的状态,防止过充、过放、过温、短路等故障的发生,必须为储能系统配备相应的电池管理系统(BMS),而荷电状态(State Of Charge,SOC)估算作为BMS的核心部分,是操作人员控制电池充放电的依据,对于延长电池寿命和保证电池的安全有着重要意义。
目前对于SOC估算的研究多是基于电池的小倍率放电工况。但是,在电磁发射等一些特殊的应用场合,需要储能系统能够提供极高的瞬时功率,且受到场地空间等因素的制约,对储能系统的体积和重量有着较为严格的限制,因此需要储能系统具有很高的功率密度。将电池储能系统应用到这些场合时,需要电池以脉冲大倍率的形式放电,瞬时电流达到甚至超过50C。在这种极端的工况下,电池内部的化学反应、温度场和内阻都会出现较大的变化,如电池放电倍率越大,电池内部的温度分布越不均匀;电池在高倍率放电时,固态电解质界面的分解速率大于生成速率,电池的内阻将会降低些变化会引起电池模型参数的较大波动,使得电池模型的准确建立变得十分困难。这些困难,使得目前的锂电池的荷电状态估算
发明内容
本发明的目的在于提供一种能够在大倍率放电情况下精确对锂电池的荷电状态进行估算,而且科学合理、可靠性高的基于大倍率放电的锂电池荷电状态估算方法。
本发明提供的这种基于大倍率放电的锂电池荷电状态估算方法,包括如下步骤:
S1.构建储能锂电池的电路等效模型;
S2.采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新;
S3.根据步骤S2得到的电路等效模型的参数,建立储能锂电池的状态方程和观测方程;
S4.根据步骤S3建立的状态方程和观测方程,采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算。
步骤S1所述的构建储能锂电池的电路等效模型,具体为采用二阶RC电路模型作为储能锂电池的电路等效模型。
步骤S2所述的采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新,具体为采用如下步骤对电路等效模型的参数进行实时更新:
A.经过事先实验,获取储能锂电池的开路电压和端电压的拟合曲线OCV-SOC;
B.以t时刻的储能锂电池的放电电流作为递推最小二乘法的输入,以t时刻的储能锂电池的开路电压作为递推最小二乘法的输出,采用递推最小二乘法计算得到t时刻的电池模型参数;
C.重复步骤B,从而对储能锂电池的电路等效模型的参数进行实时更新。
所述的递推最小二乘法,具体为采用如下算式作为递推最小二乘法的基本递推公式:
H(n)=W(n)θ(n)+e(n)
θ(n)=[-H(n-1)-...-H(n-k)μ(n)-...-μ(n-k)]T
式中g(n)为最小二乘增益;λ为遗忘因子;W(n)为待辨识参数向量;μ(n)为系统第n次的输入量;H(n)为系统第n次输出量;e(n)为零均值噪声;C(n)为协方差矩阵。
步骤S3所述的建立储能锂电池的状态方程和观测方程,具体为以储能锂电池的放电电流作为输入,以储能锂电池的电池端电压作为输出,以储能锂电池的极化电压和电池荷电状态作为状态变量,根据步骤S2建立的电路等效模型,得到储能锂电池的离散状态方程和观测方程。
所述的储能锂电池的离散状态方程和观测方程具体为:
U1(n)=OCV(SOC(n))-I1(n)R0(n)-UP(n)-US(n)+vn
式中I1为输入,U1为输出;UP和US为极化电压;C1为电池的额定容量;η为补偿系数;ωn为系统的过程噪声,vn为系统的量测噪声。
步骤S4所述的根据步骤S3建立的状态方程和观测方程,采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算,具体为采用如下步骤进行估算:
a.选取容积点:
式中ξi为容积点;ωi为相应权值;m表示所有的容积点数;[1]i表示第i个容积点;i=1,2,...m
b.时间更新:采用如下算式由n-1步滤波得到的状态估计误差协方差阵平方根矩阵为Sn-1|n-1:
(一)计算容积点:
(二)容积点传播:
式中,un-1代表输入向量I1(n-1);
(三)计算状态预测的结果:
(四)引入QR分解,得到误差协方差二次方根矩阵为:
c.采用如下步骤进行测量更新:
(1)构造容积点
(2)容积点经过观测方程传播
Yi,n|n-1=hn(Xi,n|n-1,un)
(3)计算量测预测结果
(4)计算加权中心矩阵
(5)计算新息误差协方差差阵二次方根矩阵
Syy,n|n-1=up{QR([Yn|n-1,SR,n]T)}
式中,SR,n为Rk的二次方根系数;
(6)计算自协方差阵和互协方差阵
(7)计算增益系数
(8)计算状态估计和新的误差协方差矩阵二次方根系数:
Sn|n=up{QR([Xn|n-1-KnYn|n-1KnSR,n]T)}
不断地输入电池的端电压和电流值,状态向量不断更新,从而得到每一时刻电池的SOC值。
本发明提供的这种基于大倍率放电的锂电池荷电状态估算方法,旨在建立一种通过递归最小二乘法可进行参数实时更新的储能电池等效电路模型,结合二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行精确估算;本发明方法能够在大倍率放电情况下精确对锂电池的荷电状态进行估算,而且科学合理、可靠性高。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的储能锂电池的等效电路模型示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图:本发明提供的这种基于大倍率放电的锂电池荷电状态估算方法,包括如下步骤:
S1.构建储能锂电池的电路等效模型;具体为采用二阶RC电路模型(如图2所示)作为储能锂电池的电路等效模型;
S2.采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新;具体为采用如下步骤对电路等效模型的参数进行实时更新:
A.经过事先实验,获取储能锂电池的开路电压和端电压的拟合曲线OCV-SOC;
B.以t时刻的储能锂电池的放电电流作为递推最小二乘法的输入,以t时刻的储能锂电池的开路电压作为递推最小二乘法的输出,采用递推最小二乘法计算得到t时刻的电池模型参数;
C.重复步骤B,从而对储能锂电池的电路等效模型的参数进行实时更新;在具体实施时,采用如下算式作为递推最小二乘法的基本递推公式:
H(n)=W(n)θ(n)+e(n)
θ(n)=[-H(n-1)-...-H(n-k)μ(n)-...-μ(n-k)]T
式中g(n)为最小二乘增益;λ为遗忘因子;W(n)为待辨识参数向量;μ(n)为系统第n次的输入量;H(n)为系统第n次输出量;e(n)为零均值噪声;C(n)为协方差矩阵;
S3.根据步骤S2得到的电路等效模型的参数,建立储能锂电池的状态方程和观测方程;具体为以储能锂电池的放电电流作为输入,以储能锂电池的电池端电压作为输出,以储能锂电池的极化电压和电池荷电状态作为状态变量,根据步骤S2建立的电路等效模型,得到储能锂电池的离散状态方程和观测方程;
经过推导可得锂电池离散状态方程:
U1(n)=OCV(SOC(n))-I1(n)R0(n)-UP(n)-US(n)+vn
式中I1为输入,U1为输出;UP和US为极化电压;C1为电池的额定容量;η为补偿系数;ωn为系统的过程噪声,vn为系统的量测噪声;
S4.根据步骤S3建立的状态方程和观测方程,采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算;具体为采用如下步骤进行估算:
a.选取容积点:
式中ξi为容积点;ωi为相应权值;m表示所有的容积点数;[1]i表示第i个容积点;i=1,2,...m
b.时间更新:采用如下算式由n-1步滤波得到的状态估计误差协方差阵平方根矩阵为Sn-1|n-1:
(一)计算容积点:
(二)容积点传播:
式中,un-1代表输入向量I1(n-1);
(三)计算状态预测的结果:
(四)引入QR分解,得到误差协方差二次方根矩阵为:
c.采用如下步骤进行测量更新:
(1)构造容积点
(2)容积点经过观测方程传播
Yi,n|n-1=hn(Xi,n|n-1,un)
(3)计算量测预测结果
(4)计算加权中心矩阵
(5)计算新息误差协方差差阵二次方根矩阵
Syy,n|n-1=up{QR([Yn|n-1,SR,n]T)}
式中,SR,n为Rk的二次方根系数;
(6)计算自协方差阵和互协方差阵
(7)计算增益系数
(8)计算状态估计和新的误差协方差矩阵二次方根系数:
Sn|n=up{QR([Xn|n-1-KnYn|n-1KnSR,n]T)}
不断地输入电池的端电压和电流值,状态向量不断更新,从而得到每一时刻电池的SOC值。
Claims (7)
1.一种基于大倍率放电的锂电池荷电状态估算方法,包括如下步骤:
S1.构建储能锂电池的电路等效模型;
S2.采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新;
S3.根据步骤S2得到的电路等效模型的参数,建立储能锂电池的状态方程和观测方程;
S4.根据步骤S3建立的状态方程和观测方程,采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算。
2.根据权利要求1所述的基于大倍率放电的锂电池荷电状态估算方法,其特征在于步骤S1所述的构建储能锂电池的电路等效模型,具体为采用二阶RC电路模型作为储能锂电池的电路等效模型。
3.根据权利要求2所述的基于大倍率放电的锂电池荷电状态估算方法,其特征在于步骤S2所述的采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新,具体为采用如下步骤对电路等效模型的参数进行实时更新:
A.经过事先实验,获取储能锂电池的开路电压和端电压的拟合曲线OCV-SOC;
B.以t时刻的储能锂电池的放电电流作为递推最小二乘法的输入,以t时刻的储能锂电池的开路电压作为递推最小二乘法的输出,采用递推最小二乘法计算得到t时刻的电池模型参数;
C.重复步骤B,从而对储能锂电池的电路等效模型的参数进行实时更新。
5.根据权利要求4所述的基于大倍率放电的锂电池荷电状态估算方法,其特征在于步骤S3所述的建立储能锂电池的状态方程和观测方程,具体为以储能锂电池的放电电流作为输入,以储能锂电池的电池端电压作为输出,以储能锂电池的极化电压和电池荷电状态作为状态变量,根据步骤S2建立的电路等效模型,得到储能锂电池的离散状态方程和观测方程。
7.根据权利要求6所述的基于大倍率放电的锂电池荷电状态估算方法,其特征在于步骤S4所述的根据步骤S3建立的状态方程和观测方程,采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算,具体为采用如下步骤进行估算:
a.选取容积点:
式中ξi为容积点;ωi为相应权值;m表示所有的容积点数;[1]i表示第i个容积点;i=1,2,...m
b.时间更新:采用如下算式由n-1步滤波得到的状态估计误差协方差阵平方根矩阵为Sn-1|n-1:
(一)计算容积点:
(二)容积点传播:
式中,un-1代表输入向量I1(n-1);
(三)计算状态预测的结果:
(四)引入QR分解,得到误差协方差二次方根矩阵为:
式中,SQ,n-1为二次方根系数;为加权中心矩阵;up表示上三角矩阵;
c.采用如下步骤进行测量更新:
(1)构造容积点
(2)容积点经过观测方程传播
Yi,n|n-1=hn(Xi,n|n-1,un)
(3)计算量测预测结果
(4)计算加权中心矩阵
(5)计算新息误差协方差差阵二次方根矩阵
Syy,n|n-1=up{QR([Yn|n-1,SR,n]T)}
式中,SR,n为Rk的二次方根系数;
(6)计算自协方差阵和互协方差阵
(7)计算增益系数
(8)计算状态估计和新的误差协方差矩阵二次方根系数:
Sn|n=up{QR([Xn|n-1-KnYn|n-1 KnSR,n]T)}
不断地输入电池的端电压和电流值,状态向量不断更新,从而得到每一时刻电池的SOC值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174611.7A CN110837622A (zh) | 2019-11-26 | 2019-11-26 | 基于大倍率放电的锂电池荷电状态估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174611.7A CN110837622A (zh) | 2019-11-26 | 2019-11-26 | 基于大倍率放电的锂电池荷电状态估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110837622A true CN110837622A (zh) | 2020-02-25 |
Family
ID=69577215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174611.7A Pending CN110837622A (zh) | 2019-11-26 | 2019-11-26 | 基于大倍率放电的锂电池荷电状态估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837622A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983479A (zh) * | 2020-08-04 | 2020-11-24 | 珠海迈巨微电子有限责任公司 | 电池物理模型实时建立方法、更新方法及电池监控设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020445A (zh) * | 2012-12-10 | 2013-04-03 | 西南交通大学 | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 |
CN103941195A (zh) * | 2014-05-05 | 2014-07-23 | 山东大学 | 基于小模型误差准则扩展卡尔曼滤波的电池soc估计方法 |
US20140316728A1 (en) * | 2013-06-20 | 2014-10-23 | University Of Electronic Science And Technology Of China | System and method for soc estimation of a battery |
CN107064811A (zh) * | 2017-03-01 | 2017-08-18 | 华南理工大学 | 一种锂电池soc在线估计方法 |
CN107390127A (zh) * | 2017-07-11 | 2017-11-24 | 欣旺达电动汽车电池有限公司 | 一种soc估算方法 |
CN108490356A (zh) * | 2018-03-06 | 2018-09-04 | 福建工程学院 | 一种改进ekf算法的锂电池soc估算方法 |
CN109239614A (zh) * | 2018-11-12 | 2019-01-18 | 合肥工业大学 | 一种考虑传感器中漂移电流值的锂电池soc估计方法 |
CN110395141A (zh) * | 2019-06-27 | 2019-11-01 | 武汉理工大学 | 基于自适应卡尔曼滤波法的动力锂电池soc估算方法 |
-
2019
- 2019-11-26 CN CN201911174611.7A patent/CN110837622A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020445A (zh) * | 2012-12-10 | 2013-04-03 | 西南交通大学 | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 |
US20140316728A1 (en) * | 2013-06-20 | 2014-10-23 | University Of Electronic Science And Technology Of China | System and method for soc estimation of a battery |
CN103941195A (zh) * | 2014-05-05 | 2014-07-23 | 山东大学 | 基于小模型误差准则扩展卡尔曼滤波的电池soc估计方法 |
CN107064811A (zh) * | 2017-03-01 | 2017-08-18 | 华南理工大学 | 一种锂电池soc在线估计方法 |
CN107390127A (zh) * | 2017-07-11 | 2017-11-24 | 欣旺达电动汽车电池有限公司 | 一种soc估算方法 |
CN108490356A (zh) * | 2018-03-06 | 2018-09-04 | 福建工程学院 | 一种改进ekf算法的锂电池soc估算方法 |
CN109239614A (zh) * | 2018-11-12 | 2019-01-18 | 合肥工业大学 | 一种考虑传感器中漂移电流值的锂电池soc估计方法 |
CN110395141A (zh) * | 2019-06-27 | 2019-11-01 | 武汉理工大学 | 基于自适应卡尔曼滤波法的动力锂电池soc估算方法 |
Non-Patent Citations (1)
Title |
---|
张振宇 等: "脉冲大倍率放电条件下磷酸铁锂电池荷电状态估计", 《电工技术学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983479A (zh) * | 2020-08-04 | 2020-11-24 | 珠海迈巨微电子有限责任公司 | 电池物理模型实时建立方法、更新方法及电池监控设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
El Mejdoubi et al. | Lithium-ion batteries health prognosis considering aging conditions | |
Han et al. | Estimation of cell SOC evolution and system performance in module-based battery charge equalization systems | |
Yang et al. | State of charge estimation for pulse discharge of a LiFePO4 battery by a revised Ah counting | |
Li et al. | Energy efficiency of lithium-ion battery used as energy storage devices in micro-grid | |
Kim | Nonlinear state of charge estimator for hybrid electric vehicle battery | |
Azis et al. | State of charge (SoC) and state of health (SoH) estimation of lithium-ion battery using dual extended kalman filter based on polynomial battery model | |
Lehtola et al. | Electric vehicle battery cell cycle aging in vehicle to grid operations: A review | |
CN110061531B (zh) | 储能电池的均衡方法 | |
Kirchev | Battery management and battery diagnostics | |
Chaoui et al. | Adaptive state of charge estimation of lithium-ion batteries with parameter and thermal uncertainties | |
Sangwan et al. | Equivalent circuit model parameters estimation of li-ion battery: C-rate, soc and temperature effects | |
CN109633473B (zh) | 一种分布式电池组荷电状态估计算法 | |
CN104698382A (zh) | 一种电池组的soc与soh的预测方法 | |
Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统 | |
Marangoni | Battery management system for li-ion batteries in hybrid electric vehicles | |
Tahir et al. | Accurate Modeling of Li-ion Cells Applied to LiFePO 4 and NMC Chemistries | |
CN110837622A (zh) | 基于大倍率放电的锂电池荷电状态估算方法 | |
CN115792625A (zh) | 基于神经网络的锂电池soc估计方法、系统、设备及介质 | |
Chang et al. | Online model identification method of vanadium redox flow battery based on multiple innovation recursive least squares | |
Zhang et al. | PSO-LSSVM-based online SOC estimation for simulation substation battery | |
Banaei et al. | Online detection of terminal voltage in Li-ion batteries via battery impulse response | |
Rasheed et al. | Active Reconditioning of Retired Lithium-ion Battery Packs from Electric Vehicles for Second Life Applications | |
CN115436810A (zh) | 一种基于双自适应卡尔曼滤波算法的混合动力汽车锂电池soc与soh联合估算方法 | |
Laestander | Battery-and degradation modeling of hybrid electric heavy-duty long hauler |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |